让 JADX 接上 AI-夜雨聆风

让 JADX 接上 AI

JADX-AI-MCP 是一个 JADX 插件加 MCP Server 组合。它把 Android APK 的反编译上下文接给 Claude、Codex、Cherry Studio、LM Studio 等 LLM 客户端，用来做源码理解、漏洞线索排查、资源分析和调试辅助。

项目地址： https://github.com/zinja-coder/jadx-ai-mcp

文档地址： https://jadx-ai-mcp.readthedocs.io/en/latest/

该项目适合授权 APK 审计、移动安全研究和代码理解。

技术原理

JADX-AI-MCP 的底层是三层结构：LLM Client、Python MCP Server、JADX GUI Plugin。

LLM 客户端不直接读取 APK 文件。它调用 MCP 工具，MCP Server 再向 JADX 插件发 HTTP 请求。插件从 JADX GUI 里读取当前类、方法、Manifest、资源文件、引用关系或调试信息，再把结果返回给 LLM。

工作链路

项目文档把系统拆成 3 层：

层级	组件	作用
Presentation Tier	Claude、Cherry Studio、LM Studio、Codex 等 LLM 客户端	发起自然语言分析请求
Application Tier	Python MCP Server、FastMCP、httpx	暴露 MCP 工具，转发请求
Data Tier	JADX-AI-MCP 插件、JADX Core、JADX GUI	提供反编译后的真实上下文

Java 插件侧使用 Javalin 提供本地 HTTP 服务。Python Server 使用 asyncio 和 httpx.AsyncClient 处理请求。文档里还特别提到一点：访问 JADX GUI 数据时要走 Swing 的 EDT 线程，否则容易碰到并发问题。

当前 MCP 工具覆盖面比较宽：

工具分组

能力	典型工具	适合做什么
当前上下文	`fetch_current_class()` 、`get_selected_text()`	解释当前类、当前选中代码
全局检索	`get_all_classes()` 、`search_classes_by_keyword()`	找加密、网络、登录等关键逻辑
方法和字段	`get_method_by_name()` 、`get_fields_of_class()`	定位具体实现
Manifest 和资源	`get_android_manifest()` 、`get_strings()`、`get_resource_file()`	看权限、组件、字符串和资源
重命名	`rename_class()` 、`rename_method()`、`rename_field()`	辅助反混淆和阅读
调试辅助	`debug_get_stack_frames()` 、`debug_get_threads()`、`debug_get_variables()`	结合调试状态解释执行流
交叉引用	`xrefs_to_class()` 、`xrefs_to_method()`、`xrefs_to_field()`	追踪类、方法、字段被谁调用

它和“把源码复制给 AI”最大的区别，是上下文可以来自 JADX 当前项目。分析一个大 APK 时，不用一次性塞进所有代码，而是按工具逐步读取。

项目也做了大 APK 场景的处理。文档提到，大型 APK 可能有 10000+ classes，列表接口支持 offset 和 count 分页，默认 100 条，最大 10000 条。

快速上手

1. 检查环境

文档要求 Java 11+、Python 3.10+、JADX 1.5.1+。

java -versionpython --versionjadx --version

2. 安装 JADX 插件

推荐一行命令安装：

jadx plugins --install "github:zinja-coder:jadx-ai-mcp"

3. 准备 MCP Server

Release 里需要下载两个文件：

jadx-ai-mcp-<version>.jarjadx-mcp-server-<version>.zip

进入 jadx-mcp-server 后，可以用 uv 启动：

cd jadx-mcp-serveruv run jadx_mcp_server.py --help

4. 配置 LLM 客户端

Claude Desktop 的配置文件位置如下：

Windows: %APPDATA%\Claude\claude_desktop_config.jsonmacOS: ~/Library/Application Support/Claude/claude_desktop_config.jsonLinux: ~/.config/Claude/claude_desktop_config.json

配置示例：

{"mcpServers": {"jadx-mcp-server": {"command": "/path/to/uv","args": ["--directory","/path/to/jadx-mcp-server/","run","jadx_mcp_server.py"      ]    }  }}

5. 启动并使用

在 JADX-GUI 里打开 APK，再启动 MCP Server。默认情况下，JADX 插件监听 127.0.0.1:8650，MCP Server HTTP 模式监听 127.0.0.1:8651。

uv run jadx_mcp_server.py --http

连接成功后，LLM 客户端里可以看到可用 MCP 工具：

例如让 Claude 分析当前类：

fetch currently selected class and perform quick sast on it

使用场景

APK 代码理解

任务示例： 打开一个混淆后的 APK，让 AI 解释当前类负责什么。

技术要点： 用 fetch_current_class() 获取当前类源码，再让 LLM 总结职责、识别可疑命名和外部依赖。遇到大项目时，用分页和关键词搜索逐步展开，不要一次性拉全量类。

移动安全审计

任务示例： 检查某个类是否存在硬编码密钥、明文存储、SQL 拼接、危险权限调用。

技术要点： 结合 get_android_manifest()、get_strings()、search_classes_by_keyword() 和当前类源码。AI 给出的结论只能作为线索，最终要回到代码和运行环境确认。

反混淆和重命名

任务示例： 某个包里大量类名、方法名不可读，需要先整理阅读路径。

技术要点： 先让 AI 根据上下文推断类职责，再使用 rename_class()、rename_method()、rename_field() 做可读性改名。重命名前最好保存项目状态，避免误改影响后续分析。

调试状态解释

任务示例： JADX 调试器停在某个位置，需要解释线程、变量和调用栈。

技术要点： 使用 debug_get_stack_frames()、debug_get_threads()、debug_get_variables() 把运行状态交给 LLM。适合梳理执行流，不适合直接代替人工判断漏洞可利用性。

使用注意

只分析自己有权测试的 APK。
LLM 输出是审计线索，不是漏洞结论。
默认使用 localhost。远程绑定前先想清楚网络边界。
README 明确提醒：--host 0.0.0.0 会让 MCP Server 以明文 HTTP 暴露给网络，且没有认证。
远程或 Docker 场景建议用防火墙、隔离网络或 SSH Tunnel。
代码、Manifest、资源和调试变量可能包含敏感信息，接入云端模型前要先做数据边界判断。

往期推荐 📚

taste-skill：AI前端审美外挂

GPT-Image-2 提示词模板库

给 AI 装上黑客大脑：hack-skills

欢迎关注“攻防录”✨